Jeden Tag ordnen wir Eindrücke aus unserer Umwelt in Kategorien ein: Sieht die Straße vor uns glatt aus, sodass wir vorsichtig fahren sollten? Sind die Äpfel am Baum schon reif zum Ernten? Bei solchen Entscheidungen kombinieren wir verschiedene Hinweise, ohne eine einheitliche Regel formulieren zu können. Ähnlich geht es beispielsweise Radiologen, wenn sie entartetes Gewebe diagnostizieren, oder Piloten, wenn sie die Wetterlage einschätzen. Solche Fertigkeiten brauchen meist viel Erfahrung und lassen sich mit herkömmlichen Lehrmethoden kaum vermitteln.
Muster in der virtuellen Realität
„Vorherrschende Theorien zum Kategorienlernen betrachten diesen Vorgang als rein kognitiven oder wahrnehmungsbezogenen Prozess“, erklärt ein Team um Luke Rosedahl von der Florida Atlantic University. Körperliche Bewegungen galten dagegen nur als Mittel, um eine bereits getroffene Entscheidung auszudrücken. Doch diese Sichtweise könnte zu kurz greifen, wie eine Studie des Forschungsteams nun nahelegt.
In einem Virtual-Reality-Experiment präsentierten Rosedahl und seine Kollegen Testpersonen verschiedene Streifenmuster, die sie ohne vorherige Erklärung einer von zwei Kategorien zuordnen sollten. Eine Gruppe der Probanden sollte ihre Antwort per Knopfdruck abgeben, wie in solchen Tests üblich. Die andere bekam in der virtuellen Realität in jede Hand ein Lichtschwert und sollte damit nach den vor ihr auftauchenden Mustern schlagen – eine große, raumgreifende Bewegung.
Knopf, Lichtschwert oder Boxhandschuhe
Dabei zeigte sich: Die Lichtschwert-Gruppe lernte schneller und zuverlässiger, komplexe Muster, die sich sowohl in der Streifendicke als auch in der Neigung der Streifen unterschieden, der richtigen Kategorie zuzuordnen. Doch der Effekt trat nicht bei jeder Aufgabenart ein: „Beim Erlernen von Kategorien mithilfe expliziter Regeln ergab sich kein nennenswerter Vorteil“, berichtet Rosedahl. Lag beispielsweise der einzige Unterschied darin, dass die Streifen mal dick und mal dünn waren, schnitten die Testpersonen mit Lichtschwert nicht besser ab als die, die lediglich einen Knopf drückten. Bei komplexen Mustern dagegen blieb ihr Lernvorsprung sogar dann bestehen, wenn sie später ebenfalls auf die Eingabe per Knopfdruck wechselten.
Um sicherzustellen, dass der Effekt tatsächlich auf der Bewegung beruhte und nicht etwa darauf, dass die Teilnehmenden mit dem Lichtschwert direkt mit dem Muster interagierten, führten die Forschenden ergänzend ein zweites Experiment durch, bei denen die Bewegungsgruppe statt eines Lichtschwerts virtuelle Boxhandschuhe erhielt. Die Testpersonen sollten ihre Antwort angeben, indem sie gegen eine separate Reaktionsbox schlugen. Auch in diesem Fall zeigte sich der gleiche Lernvorteil gegenüber der Knopf-Gruppe. „Offenbar war die Bewegung selbst entscheidend – nicht die Frage, ob sie in direkter Wechselwirkung mit dem Lerngegenstand stand“, folgert Rosedahl.
Was passiert dabei im Gehirn?
Aber warum helfen die Bewegungen beim Erkennen komplexer Muster, nicht aber bei einfachen, regelbasierten Kategorisierungsaufgaben? Aus Sicht der Forschenden könnte die Erklärung in den beteiligten Hirnregionen liegen. „Der selektive Effekt steht im Einklang mit den unterschiedlichen neuronalen Systemen, auf die diese Aufgaben vermutlich zurückgreifen“, erläutern sie. Während einfache Muster vor allem im präfrontalen Cortex verarbeitet werden, kommen bei komplexen Mustern auch Hirnregionen wie das Striatum ins Spiel, die eng mit motorischen Schaltkreisen verbunden sind.
„Die größeren Bewegungen könnten die lernbedingte Plastizität im Striatum erhöhen“, vermuten Rosedahl und sein Team. Bekannt ist bereits, dass Bewegung die Dopaminausschüttung im Striatum fördert. Zudem könnte der mit großen Bewegungen verbundene Aufwand auch die Aufmerksamkeit für die Aufgabe erhöhen. „Indem wir zeigen, dass Bewegung bestimmte Lernformen fördert, andere hingegen nicht, können wir bestehende Theorien weiterentwickeln und besser verstehen, wie Wahrnehmung, Entscheidungsfindung und motorische Systeme zusammenwirken“, sagt Rosedahl.
Die Ergebnisse könnten auch dazu beitragen, Trainingsmethoden für komplexe Aufgaben zu verbessern, beispielsweise in der medizinischen Diagnostik und der Luftfahrt. „Die Einbindung von Bewegung könnte eine einfache Möglichkeit bieten, das Lernen in Situationen zu verbessern, in denen herkömmliche Ansätze an ihre Grenzen stoßen“, meint Rosedahl.
Quelle: Luke Rosedahl (Florida Atlantic University, Boca Raton, USA) et al., Science Advances, doi: 10.1126/sciadv.aed4003
